Overview

Le rendement énergétique joue un rôle crucial dans la conception automobile, la durabilité environnementale et l'analyse des performances. Ce projet présente une approche d'apprentissage automatique pour prédire les kilomètres par gallon (MPG) en utilisant les caractéristiques des véhicules à partir de l'ensemble de données bien connu Auto MPG disponible dans le référentiel d'apprentissage automatique de l'Université de Californie du Sud (UCI).L'ensemble de données est soumis à des étapes de prétraitement, notamment le traitement des valeurs manquantes, la conversion des types de données et la sélection des principaux attributs numériques. Deux modèles prédictifs - régression linéaire et régresseur Random Forest - sont mis en oeuvre et évalués à l'aide de mesures de régression standard telles que l'erreur absolue moyenne (MAE), l'erreur quadratique moyenne (MSE) et le score R². Le modèle Random Forest est nettement plus performant, ce qui indique qu'il est capable de capturer des modèles non linéaires dans les caractéristiques des véhicules.L'étude met en évidence le potentiel de l'apprentissage automatique pour soutenir l'analyse de l'efficacité des automobiles et la prévision de la consommation de carburant. Les améliorations futures pourraient inclure le réglage du modèle, des algorithmes avancés, des systèmes de prédiction en temps réel et le déploiement par le biais d'une interface web.

Full Product Details

9786209876714

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available